Свързани публикации 'machine-learning'
Машини за факторизиране — Снимки + код (PyTorch)
TLDR: Проблем: Има набор от данни за потребители, филми и оценки. Използвайте машини за факторизиране, за да дадете препоръки за филми. Набор от данни: ml-1m.zip от https://grouplens.org/datasets/movielens/ Код: “03_factorization_machines.ipynb” https://github.com/Datadote/matrix-factorization-pytorch Препратки: 1) Публикация на машина за факторизиране 2) Оригинален документ за разлагане на множители от Рендъл 3) Средна публикация за разлагане на матрици
Стъпки: 1)..
Python 3.12: Промяна на играта за производителност и ефективност
Проучване на основните надстройки, планирани за следващото издание на Python
Python 3.12 ще донесе няколко големи оптимизации и подобрения на езика Python. Тези актуализации са насочени към подобряване на скоростта, производителността и стабилността на интерпретатора, което го прави по-подходящ за големи и сложни приложения.
Trace Optimizer
Едно от най-значимите подобрения в 3.12 е оптимизаторът на проследяване. В предишната версия подобренията на скоростта бяха фокусирани главно..
Python внедряване на PCA с NumPy
PCA, което означава Анализ на основните компоненти, е техника за намаляване на данните за намаляване на броя на функциите в набор от данни. В статията „Намаляване на данни с анализ на главните компоненти (PCA)“ разгледахме интуицията и компонентите за алгоритъма PCA. В тази статия ще обсъдим как да внедрим алгоритъма стъпка по стъпка с помощта на библиотеката NumPy .
Общ преглед на PCA алгоритъм
Целта на PCA е да идентифицира основните компоненти, които улавят приликите между..
Работа с концепцията за Mean-shift в Data Mining част 8
По-бързо средно изместване: GPU-ускорено клъстериране за базирано на косинус вграждане сегментиране на клетки и проследяване (arXiv)
Автор : Mengyang Zhao , Aadarsh Jha , Quan Liu , Bryan A. Millis , Anita Mahadevan-Jansen , Le Lu , Bennett A. Landman , Matthew J. Tyskac , „Юанкай Хуо“
Резюме: Напоследък алгоритмите за дълбоко обучение, базирани на едноетапно вграждане, привличат все по-голямо внимание при сегментирането и проследяването на клетките. В сравнение с..
Квантуване в невронни мрежи
Дълбоко обучение | Квантуване| Брой параметри | Невронна мрежа | производителност
Невронните мрежи отбелязаха експоненциален растеж наскоро на мобилни/вградени платформи поради предимствата, т.е. намалени разходи, ниска латентност, сигурност и консумация на енергия. Въпреки че изчислителните ресурси и наличността на паметта може да не са пречка за настолни и облачни компютри, мобилните/вградените компютърни платформи имат ограничения по отношение на изчислителните възможности и..
Избор на функции: „защо“, „какво“ и „как“
Пет общи метода за избор на най-подходящите и полезни характеристики, подобряващи ефикасността и ефективността на обучението на модели.
Специалистите по данни често използват техники за избор на функции , за да намалят броя на функциите и да запазят най-подходящите/полезните, преди да обучат ML модел върху данни. Може да подобри качеството на данните и да помогне на модела за машинно обучение да се фокусира върху най-подходящата информация в данните, като по този начин подобрява..
ЛИНЕЙНА РЕГРЕСИЯ ОТ НУЛАТА PT1
Линейната регресия се счита за най-естествения алгоритъм за обучение за моделиране на данни, основно защото е лесен за тълкуване и моделира ефективно най-естествените проблеми. Той принадлежи към семейството на „Линейни модели/предиктори“ в машинното обучение (едно от най-полезните пространства за хипотези). Въпреки че има различни начини за прилагане на този алгоритъм (включително използване на библиотеката Sklearn в Python, също толкова важно е да разберете основната интуиция зад този..
Нови материали
Локално разсъждение в Swift
Локално разсъждение в Swift
Swift е невероятно изразителен и мощен език за програмиране. Ще проучим някои от езиковите функции на Swift, които могат да направят вашия код по-лесен за четене...
10 умопомрачителни C# хакове
Здравейте! Като страстен разработчик на C#, аз винаги съм търсил начини да подобря уменията си за кодиране. Вълнувам се да споделя с вас някои умопомрачителни хакове и прозрения, които ми..
Electron с база данни Sqlite3
Electron е рамка за изграждане на междуплатформени настолни приложения с HTML, CSS JavaScript. Electron е написан на C++, Javascript, Objective C, Python и т.н. Днес Electron е супер готин и..
Системи за препоръчване в машинното обучение
Какво представляват двигателите за препоръки?
Това е най-мощното и полезно приложение на технологията за машинно обучение в бизнеса. Тези дни. Днес всеки голям гигант като Google, Amazon,..
Топ 5 Python IDE / текстови редактори
Какви IDE на Python трябва да гледам?
1. Pycharm
Традиционният пълноценен редактор за Python от JetBrains.
PyCharm предоставя широк набор от основни инструменти, тясно интегрирани за..
Извличане на данни от API — част 2
Научете как можете да филтрирате филми въз основа на различни категории.
Моля, вижте предишния урок (Част 1) : Как да извличам данни от истински API — React / JS..
Как да предотвратите влизането на някой от вашата кодова база
// TLDR
TypeScript добавя статично въвеждане към JavaScript, улавяйки грешки като препращане към променливи извън обхвата или извикване на функции с грешни аргументи. Той е несъвършен и има..